Mašininis vertimas lietuvių kalbai

DANIELIUS ALGIRDAS RALYS جامعة فيلنيوس الترجمة الآلية إلى اللغة الليتوانية1 الكلمات المفتاحية: اللغة الليتوانية، التاريخ، اللسانيات الحاسوبية، الترجمة الآلية، الشبكات العصبية، الذكاء الاصطناعي. مقدمة اليوم، تتولى الحواسيب ترجمة عدد متزايد من النصوص. وتُسمى هذه الترجمة الحاسوبية الآلية غالبًا بالترجمة الآلية (MV). وعادةً ما تُجرى الترجمة الآلية بهدف استيعاب التدفق الهائل للمعلومات متعددة اللغات بأسرع ما يمكن، وكذلك لنشر معلومات المرء على أوسع نطاق ممكن. وأصبح تبادل المعلومات إلكترونيًا بين الشعوب واللغات جزءًا مهمًا من الحياة اليومية، ويفتح آفاقًا جديدة للغتنا، كما يطرح أمامها تحديات ومشكلات جديدة. استخدم وارين ويفر للمرة الأولى مصطلح «الترجمة الآلية» (بالإنجليزية: machine translation) في منتصف القرن الماضي، مقترحًا توظيف الحواسيب التي ظهرت حديثًا لترجمة النصوص (Weaver 1949: 1). واقترح و. ويفر النظر إلى نص مكتوب بلغة أخرى على أنه نص مشفّر يمكن فك شفرته. وقد أثارت الإنجازات التشفيرية للمتخصصين البريطانيين والأمريكيين في الحرب العالمية الثانية، التي انتهت مؤخرًا، التفاؤل. وكان الاعتقاد السائد آنذاك بصدق أن الآلات الإلكترونية ستساعد، خلال بضع سنوات، على التغلب على لعنة برج بابل. للأسف، تطورت الترجمة ببطء، ولم تقترب جودة الترجمة الآلية قط من جودة الترجمة البشرية. وبعد سبعين عامًا، وبعد نجاحات مؤكدة وخيبات أمل، وبعد إنجاز كمّ كبير من العمل، تسود مجددًا أجواء التفاؤل في مجتمع الترجمة الآلية. وهذه المرة تُعلّق الآمال على الشبكات العصبية الاصطناعية والتقدم السريع في تطوير الذكاء الاصطناعي. لم تغب الترجمة الآلية عن اللغة الليتوانية أيضًا. واليوم، تتوفر بسهولة أدوات الترجمة الآلية عبر الإنترنت، وهي تترجم من أكثر اللغات شيوعًا إلى الليتوانية وبالعكس. ولا تزال جودة الترجمة في معظم الأدوات ضعيفة إلى حدّ كبير، ومن الضروري تحرير النصوص التي تنتجها. ولا تتميز بجودة أفضل إلا أداة الترجمة Google Translate2، التي بدأ استخدام 1 أُعدّت المقالة استنادًا إلى المحاضرة «الترجمة الآلية إلى اللغة الليتوانية»، التي أُلقيت في فيلنيوس خلال المؤتمر الدولي الرابع والعشرين لجوناس يابلونسكي «موارد اللغة الرقمية، واتجاهات تطويرها، وإمكانات استخدامها» في 29 سبتمبر 2017. 2 متاح على الإنترنت https://translate.google.com. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 2 تقنيات الترجمة العصبية. وتحافظ معظم الجمل المترجمة بهذه الأداة على المعنى الذي كان لها في اللغة الأصلية. تُستخدم الترجمة الآلية على نطاق واسع لنشر المعلومات بلغات أخرى. وكثيرًا ما تُنشر نتائج الترجمة الآلية في الفضاء الإلكتروني بلا مبالاة ومن دون أي تحرير. وقد بدأت عواقب هذه التصرفات تظهر بالفعل: فالإنترنت يعجّ بالنصوص الليتوانية الرديئة المشوّهة المعلومات، التي أنشأها تلقائيًا برنامج ترجمة آلية من نوع أو آخر3. وقد تتسلل مثل هذه النصوص تدريجيًا إلى المدونات النصية أيضًا. لقد أصبحت الترجمة الآلية واقعًا يوميًا، يبعث أحيانًا على الدهشة وأحيانًا أخرى على الاستياء، وهو يستحق اهتمامًا أكبر من اللغويين، فضلًا عن مشاركة أكثر فاعلية منهم في تطوير الترجمة الآلية. يستعرض هذا المقال بإيجاز تاريخ الترجمة الآلية (MV)، ويعرض بعض الأفكار التي أثّرت في تطورها. كما يقدم نتائج حققتها تقنيات ترجمة مختلفة للغة الليتوانية، ويحلل إمكانات تطبيق الترجمة الآلية على اللغة الليتوانية باستخدام الأساليب القائمة على القواعد والإحصائية والعصبية. وبسبب ضيق المساحة، لا تُناقش المحاولات الرامية إلى الجمع بين عدة من هذه الأساليب في نظام ترجمة واحد. 1. بدايات الترجمة الآلية لطالما شكّلت الترجمة الجيدة من لغة أخرى تحديًا فكريًا للإنسان، ولم تكن الترجمة يومًا مهمة سهلة. وليس من المستغرب أن تُبذل محاولات لأتمتة الترجمة بطريقة ما. ففي فرنسا، بين عامي 1932 و1935، اخترع المهندس Georges Artsrouni وصنع جهازًا ميكانيكيًا عامًا أطلق عليه اسم «الدماغ الميكانيكي» (بالفرنسية، cerveau mécanique)، وكان قادرًا، إلى جانب وظائف أخرى، على ترجمة النص المُدخل إلى عدة لغات (Hutchins 2004a: 12). وكان هذا الجهاز الكهروميكانيكي يضم شريط ذاكرة طويلًا (يصل طوله إلى 40 مترًا) مصنوعًا من الورق المقوّى المرن. وقد كُتب عليه قاموس متعدد اللغات يستوعب عشرات الآلاف من الكلمات. وكانت الكلمة الفرنسية التي تُكتب على لوحة المفاتيح تُرمّز آليًا، ثم يدور شريط الذاكرة إلى الموضع المناسب استنادًا إلى ذلك الرمز. وبعد بضع عشرة ثانية، كان الجهاز يعرض ترجمة الكلمة المُدخلة (Daumas 1965: 294–295). عُرض الجهاز في المعرض العالمي بباريس عام 1937، وحظي باهتمام كبير ونال الجائزة الكبرى. وكان، في الواقع، أول جهاز في العالم 3 يصف جوناثان سويفت (Jonathan Swift) بسخرية في رحلات غوليفر آلةً ترتّب توليفات لا معنى لها من الكلمات، كانت تُدوَّن باستمرار بعناية في الكتب. أما اليوم فيمكن إنتاج هذا الهراء نفسه بسرعة أكبر بكثير... BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 3 كان قاموسًا ميكانيكيًا عاملًا. وواصل G. Artsrouni تحسين جهازه لاحقًا، لكن المشكلات الميكانيكية واندلاع الحرب العالمية الثانية أوقفا العمل. في عام 1933، حصل Piotras Smirnovas-Trojanskis في الاتحاد السوفيتي على شهادة اختراع لآلة ترجمة كهروميكانيكية4. وعلى الرغم من أن هذه الآلة لم تُصنع قط، فقد صاغ مخترعها أفكارًا قيّمة عديدة بشأن الترجمة الآلية، لم تتحقق إلا بعد سنوات طويلة، مع ظهور الحواسيب. وكان P. Smirnovas-Trojanskis يتحدث الروسية، لذلك فهم جيدًا خصائص اللغات التصريفية. واقترح تقسيم عملية الترجمة إلى ثلاث مراحل: في المرحلة الأولى، يختزل الإنسان النص إلى لِمّات ويزوّدها بوسوم صرفية-نحوية (مرحلة التحليل)؛ ثم تعثر الآلة تلقائيًا، في المرحلة الثانية، على لِمّات إحدى لغات الترجمة أو أكثر وتُسنِد إليها الوسوم نفسها (مرحلة التحويل)؛ وفي المرحلة الثالثة، يُعِدّ المحرر نصًا مترجمًا سلسًا استنادًا إلى لِمّات الترجمة ووسومها (مرحلة التوليد). كما اقترح P. Smirnovas-Trojanskis طرائق مختلفة لترجمة المترادفات والمتجانسات اللفظية والتعابير الاصطلاحية. ولم تُقدَّر أفكار P. Smirnovo-Trojanskio في موطنه، ولم يعش ليرى عصر الحواسيب5، لكن أفكار المخترع لم تُنسَ، بل عُرفت لاحقًا في الغرب أيضًا. بدأ عصر الترجمة الآلية العملية مع ظهور الحواسيب. ففي عام 1947، وجّه W. Weaver رسالة إلى اللغوي العبقري ومطوّر الحواسيب Norbert Wiener، يسأله فيها عما إذا كان من الممكن تسخير أحدث إنجازات التشفير والحواسيب التي ظهرت حديثًا6 لترجمة اللغات. ورأى W. Weaver أنه يمكن التعامل مع أي نص روسي باعتباره رسالة إنجليزية مشفّرة بأحرف سيريلية. وبدا له أن الحواسيب تستطيع فك تشفير هذه الرسالة مباشرة. لكن رد N. Wiener كان متشككًا. في عام 1949، أرسل W. Weaver مذكرة إلى جمهور أوسع اقترح فيها استخدام الحواسيب لترجمة النصوص (Weaver 1949: 7)7. وفي ذلك الوقت، سادت في مختبرات أمريكية وبريطانية مختلفة أفكار الترجمة الآلية الحرفية البسيطة. وكان الباحث واثقًا من أن الحواسيب قادرة على الترجمة على نحو أفضل بكثير. واقترح W. Weaver في مذكرته أربعة اتجاهات لمعالجة مشكلات الترجمة ودراستها. أولًا، اقترح إجراء تحليل إحصائي للسياق القريب للكلمة المراد ترجمتها، وبذلك حل مشكلات تعدد المعاني. وتشكل هذه الفكرة اليوم أساس الترجمة الآلية الإحصائية. واستند الاقتراح الثاني إلى افتراض مفاده أن اللغة 4 وتُسمّى هذه الأداة في شهادة الاختراع «آلة لاختيار الكلمات وطباعتها عند الترجمة من لغة إلى أخرى أو إلى عدة لغات في آن واحد». 5 توفي P. Smirnovas-Trojanskis عام 1950. 6 بدأ أول حاسوب إلكتروني بريطاني، Colossus، العمل في مطلع عام 1944، وصُنع أول حاسوب إلكتروني رقمي أمريكي، ENIAC، في أواخر عام 1945. أما أول حاسوب سوفيتي، MESM، فصُنع عام 1950. 7 سرعان ما شاع المصطلح الذي استخدمه W. Weaver في هذه المذكرة، وهو الترجمة الآلية (بالإنجليزية، machine translation). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 4 تتضمن عناصر منطقية، ولذلك ينبغي أن يكون من الممكن، باستخدام نماذج الشبكات العصبية (McCulloch, Pitts 1943: 115–133)، استنباط الترجمة انطلاقًا من الافتراضات الواردة في اللغة الأصلية. وقد أظهر الزمن عبقرية هذه الفكرة؛ فاليوم تحقق طريقة الترجمة الآلية العصبية أعلى جودة للترجمة. وينبغي أن يتمثل المسار الثالث لحل المشكلات في تطبيق أساليب التشفير على ترجمة اللغات. وبعد أربعين عامًا، تحقق ذلك في خوارزميات الترجمة الآلية الإحصائية. ولتوضيح الاقتراح الرابع، رسم W. Weaver صورة مجازية يسكن فيها الناس أبراجًا شاهقة مغلقة ترمز إلى لغات مختلفة. وبشق الأنفس، ينجح الناس في التواصل بالصياح عبر جدران الأبراج السميكة. ولحسن الحظ، للأبراج أساس مشترك وسرداب؛ فلا يلزم سوى النزول إلى هناك، وعندئذ يُفترض أن يصبح التواصل أيسر. وأكد W. Weaver أن لغات العالم تنطوي على بنية عميقة مشتركة ينبغي الكشف عنها. وقد حفّز اقتراح العالم الأخير البحث عن لغة عالمية، أي لغة وسيطة للترجمة الآلية8، والعمل على إنشائها. لم يلبثَ أن انطلق مجال الترجمة الآلية بعد مذكرة W. Weaver. ففي عام 1954، عُرض علنًا في نيويورك نظام للترجمة الآلية طُوّر بالتعاون بين شركة IBM وجامعة جورجتاون. وكان الترجمة من الروسية إلى الإنجليزية. لم يتضمن النظام سوى ست قواعد نحوية، واستُخدم في الترجمة نحو 250 كلمة (Hutchins 2004b: 102). وقد صُمم النظام ليتناول موضوع الكيمياء العضوية، كما اختيرت أمثلة الترجمة بعناية مسبقًا. وبعد التجربة، ساد الأمل في أن تتمكن الآلات من الترجمة ببراعة بعد بضع سنوات، ورُصد تمويل سخي لمواصلة العمل. وأُخذت الترجمة الآلية تتطور بسرعة في الولايات المتحدة الأمريكية (JAV) والاتحاد السوفيتي سعيًا إلى اكتساب تفوق استراتيجي في الحرب الباردة. وكانت الروسية والإنجليزية أكثر اللغات التي تُترجم. 2. الترجمة الآلية القائمة على القواعد في منتصف خمسينيات القرن الماضي، ظهرت أنظمة الترجمة الآلية (الحاسوبية) التي بدأ يُطلق عليها اسم الأنظمة القائمة على القواعد (بالإنجليزية rule-based). وقد طُوّرت انطلاقًا من وجهة نظر مفادها أن اللغة يمكن وصفها بمجموعة من قواعد معينة، بما فيها القواعد النحوية. ووفق هذا المنهج، تُحلَّل جملة اللغة الأصلية إلى مستوى محدد، وتُحدَّد بنيتها، ثم تُحوَّل وفق قواعد موضوعة إلى بنية مكافئة في اللغة الهدف، تُولَّد على أساسها جملة باللغة الهدف. وقد تختلف بنى الجمل في اللغات المختلفة اختلافًا كبيرًا، وتتميز بسمات أو أخرى ينبغي أن تنعكس في نظام الترجمة الآلية 8 لا ينبغي الخلط بينها وبين اللغات الوسيطة الطبيعية، مثل الإسبرانتو والإيدو والفولابوك وغيرها. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 5 في النظام. وقد درست Daiva Šveikauskienė (2005: 411–417) مشكلات تمثيل البنى النحوية التركيبية للجملة الليتوانية على نحو يلائم الترجمة الآلية. وتوجد أنواع مختلفة من أنظمة الترجمة الآلية القائمة على القواعد، تتباين بحسب عمق التحليل (الشكل 19). وكلما كان تحليل الجملة أعمق، كان التحويل أبسط. وفي الحالة المثالية، إذا حُلّل النص إلى مستوى اللغة الوسيطة، لما عادت هناك حاجة إلى أي تحويل؛ إذ يُفترض أن يكون التمثيل الوسيط للنص واحدًا في جميع اللغات. الشكل 1. مثلث Vauquois للترجمة الآلية القائمة على القواعد جرت محاولات لحل مشكلات الترجمة الآلية القائمة على القواعد باستخدام المناهج التجريبية واللغوية على حد سواء. وكان أسلوب الترجمة المباشرة الأكثر شيوعًا في المعسكر التجريبي. ففي هذا الأسلوب، لا يُستخدم في الترجمة بين لغتين سوى قاموس وقواعد برمجية بسيطة، ولا يُجرى عمليًا أي تحليل لغوي أو إعادة تنظيم نحوي (ويتوافق هذا الأسلوب مع أدنى مستوى في الشكل 1). وفي الولايات المتحدة، خلال خمسينيات القرن الماضي، وضعت مجموعة من الباحثين بقيادة Erwin Reifler قواميس خاصة بالترجمة الآلية، أُدرجت فيها إلى جانب المقابلات المعجمية قواعد لتغيير الترتيب الموضعي للكلمات. كما أُدرجت ترجمات لكثير من العبارات ومفاهيم جامعة (بالإنجليزية cover terms) لمعالجة مشكلات تعدد المعنى. وفي عام 1964، بدأ تشغيل نظام Mark II للترجمة المباشرة من الروسية إلى الإنجليزية، الذي أُنشئ بتكليف من القوات الجوية الأمريكية. واستخدم النظام قاموس E. Reifler، الذي يضم أكثر من 170 000 كلمة (Reifler 1960: 312). استُخدمت المناهج اللغوية على نطاق أوسع في جامعة جورجتاون، حيث تجمعت أعداد كبيرة من الباحثين في الترجمة الآلية، وتوزعوا على عدة فرق تتبع مناهج مختلفة 9 كثيرًا ما تُسمّى مثل هذه الرسوم التوضيحية مثلث Vauquois؛ وقد اقترح أسلوب التوضيح هذا Bernard Vauquois (1976: 335)، وهو رائد الترجمة الآلية في فرنسا. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 6 المجموعات. وفي المجموعة التي ترأسها مايكل زاريتشناك، أُنشئ نظام جورجتاون للترجمة الآلية (بالإنجليزية GAT – Georgetown Automatic Translation). وكان النظام يجري تحليلًا على ثلاثة مستويات: صرفيًا (يشمل أيضًا تحديد التعابير الاصطلاحية)، ونحويًا، وتركيبيًا. وبدأ استخدام نظام GAT المعدّل بنجاح في يوراتوم (إيسبرو، إيطاليا) عام 1963، وفي هيئة الطاقة الذرية الأمريكية عام 1964. واستغرق تطوير نظام للترجمة الآلية قائم على لغة وسيطة وقتًا أطول بكثير. ولم يظهر نظام KANT للترجمة الآلية ذي القيمة التجارية إلا في العقد الأخير من القرن الماضي (Mitamura ir kt. 1991: 105–118). واستُخدم النظام لترجمة بعض النصوص التقنية. أما اللغة الوسيطة القادرة على التعبير عن اللغة العامة فلم تُطوَّر قط. على امتداد العقد الذي أعقب عرض نظام الترجمة الآلية IBM–Georgetown، بُذلت جهود كبيرة لتحسين جودة الترجمة الآلية تحسنًا جوهريًا10، غير أن التقدم كان ضئيلًا جدًا. وفي عام 1966، قررت اللجنة الأمريكية ALPAC (بالإنجليزية Automatic Language Processing Advisory Committee)، التي أُنشئت في الولايات المتحدة، أن الترجمة الآلية لا آفاق لها في المستقبل القريب، إذ إن جودتها رديئة، كما أن المترجم لا يزال مضطرًا إلى تحرير النص، مستغرقًا في ذلك وقتًا أطول مما لو ترجم من دون أي آلات. وتجاهلت لجنة ALPAC حقيقة أن الترجمة الآلية تساعد على ترجمة كميات هائلة من المعلومات، وأن كثيرًا من المستخدمين يرضيهم نص رديء لا ينقل إلا المعنى بالكاد. وبعد النتائج السلبية التي خلصت إليها اللجنة، أُوقف تمويل مشروعات الترجمة الآلية في الولايات المتحدة عمليًا لعدة عقود، كما تراجع التمويل في بلدان أخرى. على الرغم من النظرة المتشككة التي سادت تجاه الترجمة الآلية، استمر التقدم في هذا المجال. فقد بدأ تطوير نظام SYSTRAN للترجمة القائمة على القواعد في الولايات المتحدة عام 1968 (Toma 1977: 569–581)، وظل يُحسَّن حتى أصبح تجاريًا لاحقًا. وبدأ استخدام هذا النظام في وزارة الدفاع الأمريكية، وناسا، ويوراتوم، والمفوضية الأوروبية، وأماكن أخرى كثيرة. وبموجب اتفاق تجاري أُبرم عام 1975، حصلت المفوضية الأوروبية على حق تطوير النظام لأغراضها الخاصة. وكان النظام يترجم نصوص بعض المجالات اللغوية ترجمة جيدة بما يكفي إلى لغات عديدة. ومنذ عام 2010، شرع SYSTRAN في استخدام تقنيات هجينة. وظهرت أنظمة ترجمة آلية ناجعة إلى حد كبير في بلدان أخرى أيضًا: ARIANE (في غرونوبل، فرنسا)، ونظام MU المشابه له (في كيوتو، اليابان)، وكذلك SUSY (في زاربروكن، ألمانيا). وانتهى مشروع EUROTRA الأوروبي (1982–1992)، الذي كلف أكثر من 50 000 000 ECU11، بالفشل؛ إذ لم يتمكن مئات الاختصاصيين من إنشاء نظام ترجمة آلية عامل. وهكذا بدأت أزمة حقيقية للترجمة الآلية القائمة على القواعد. وظل الوضع يراوح مكانه سنوات طويلة بعد ذلك. 10 أنفقت الولايات المتحدة خلال هذه الفترة نحو 20 مليون دولار على إنشاء أنظمة الترجمة الآلية وتحسينها. 11 وردت بيانات تمويل EUROTRA في تقرير المفوضية الأوروبية (بالإنجليزية CEC – Commission of the European Communities) لعام 1994؛ فقد خصصت المفوضية للمشروع 37,5 مليون ECU خلال الفترة 1982–1992 (CEC 1994: 3.10)، كما قدمت حكومات بلدان مختلفة أكثر من 20 مليون ECU إضافية لمراكز EUROTRA الستة عشر (CEC 1994: A4.2). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 7 لم تظهر الترجمة الآلية القائمة على القواعد في ليتوانيا إلا في هذا القرن. ففي عامي 2003–2004، جرى تكييف نظام الترجمة الآلية Česilko (Hajič ir kt. 2000: 10–12) للغة الليتوانية (Homola, Rimkutė 2004: 77–81). وفي تلك الفترة، درس بيتراس هومولا وإريكا ريمكوتي إمكانات هذا النظام في الترجمة الآلية بين اللغتين التشيكية والليتوانية. وفي الفترة 2005–2007، نفذت جامعة فيتوتاس ماغنوس مشروع «أداة ترجمة المعلومات عبر الإنترنت» بتمويل من الصناديق الهيكلية للاتحاد الأوروبي. ووصف فيداس داودارافيتشيوس (2006: 7–18) بنية نظام الترجمة الآلية الذي كان قيد التصميم. وأُنشئت أداة ترجمة عامة عبر الإنترنت من الإنجليزية إلى الليتوانية12. وقدمت شركة PROMT الروسية محرك الترجمة. وأُعدّ جزء من المكونات اللغوية للنظام في ليتوانيا. ولم يكن النظام يترجم جيدًا إلا بعض أنواع الجمل، وكانت الترجمات الجيدة أقلية. وفي عام 2007، أُجري تقييم لغوي لنظام الترجمة الآلية هذا (Rimkutė, Kovalevskaitė 2008: 257–264). وقيّمت أودرونيه داوباريينه وغريتا زييزفيته (2013: 55–61) مدى مطابقة ترجمة نظام الترجمة الآلية في جامعة فيتوتاس ماغنوس لمعايير النصية (De Beaugrande, Dressler 1981: 3). وخلصت الباحثتان في دراستهما إلى أن نصوص الترجمة الآلية التي فُحصت، والمنتمية إلى أجناس مختلفة، لم تستوفِ معيار الاتساق وبعض معايير النصية الأخرى بسبب كثرة الأخطاء الدلالية، ولذلك لا يمكن اعتبار هذه الترجمات مقبولة أو مفيدة للقارئ. مع مرور العقود، ومع بقاء الحال عمليًا على ما هو عليه، بدأ يُدرك أن اللغة ظاهرة شديدة التعقيد، يصعب جدًا وصفها بالقواعد. ولحل مشكلات تعدد المعاني وترجمة الإحالات القبلية، اقتُرح استخدام معلومات خارج لغوية عن بنية العالم ومنطقه (Bar-Hillel 1958: 197–207). لكن مثل هذه المعلومات المنظَّمة لم تكن متاحة أصلًا، وبدا الوصف الشكلي لمعنى النص مهمة أصعب من الترجمة نفسها. وكان واضحًا أن مشكلات الترجمة الآلية تتطلب حلولًا ثورية. 2. الترجمة الآلية الإحصائية في عام 1988، اقترحت مجموعة من علماء IBM (Brown ir kt. 1988: 71–76) استخدام المعلومات الكامنة في المدونات المتوازية للترجمة الآلية، بحثًا عن أرجح خيارات الترجمة. ويستند نموذج الترجمة المقترح إلى افتراض أن جملة بلغة الأصل f تتحول عبر قناة مشوشة إلى جملة e بلغة الترجمة. ويُحدث التشويش في القناة تحريفًا إحصائيًا لجملة لغة الأصل f، ولذلك قد نحصل عند مخرج القناة على جمل شتى e، متفاوتة الأطوال، لها معانٍ مختلفة في لغة الترجمة أو لا معنى لها على الإطلاق. وبما أن هذه القناة تسعى إلى الترجمة الصحيحة، فإن خيارات الترجمة الصحيحة تنفذ عبر التشويش بوتيرة متزايدة. 12 متاح على الإنترنت http://vertimas.vdu.lt/twsas/. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 8 يفترض هذا النموذج أنه عندما تُرسَل جملة إلى القناة f، فإن أنسب خيار للترجمة ê من بين جميع e هو الذي يكون احتمال ظهوره في مخرج القناة، احتمالًا شرطيًا، p(e|f)، هو الأكبر، أي: ê = argmaxe p(e|f). تظهر هنا مشكلة تتمثل في أن العثور على أفضل خيار للترجمة ê يتطلب استعراض ليس جميع الجمل الممكنة في لغة الترجمة فحسب، بل أيضًا جميع تراكيب الكلمات المحتملة فيها. ومن الصعب جدًا حساب هذا العدد من الاحتمالات. وبعد تطبيق نظرية بايز، نحصل على تعبير مكافئ أسهل في الحساب (Koehn وآخرون 2003: 127): argmaxe p(e|f) = argmaxe p(f|e) p(e) Ši lygtis yra pamatinė statistinio mašininio vertimo lygtis (Brown ir kt. 1993). Joje sąlyginė tikimybė p(f|e) parodo tikimybę, kad kanalu buvo pasiųstas sakinys f, jei išėjime pasirodė sakinys e. Šis lygties narys vadinamas vertimo modeliu, kuris apskaičiuojamas iš dvikalbių tekstynų. Antrasis lygties narys p(e) parodo sakinio e tikimybę vertimo kalboje. Šis narys aprašo kalbos modelį, kuris apskaičiuojamas iš vienkalbių vertimo kalbos tekstynų13. الشكل 2. مثلث Vauquois للترجمة الآلية الإحصائية بدأت طريقة الترجمة التي اقترحها باحثو IBM تنافس الترجمة القائمة على القواعد فورًا من حيث جودة الترجمة. وقد أُعجب مطورو أنظمة الترجمة الآلية الإحصائية بإمكانية الترجمة إلى لغات عديدة من دون معرفة مسبقة بالترجمة أو بالقواعد؛ إذ كان يكفي تدريب الأنظمة الجاري تطويرها على المدونات النصية المتاحة. وفي الترجمة الإحصائية الكلاسيكية، لا يُجرى أي 13 يقلل النموذج اللغوي حجم الحسابات، لأنه يساعد على استبعاد الجمل غير الموجودة في المدونات النصية فورًا، ويساعد على اختيار الترجمة الأكثر سلاسة، كما يوضح بصورة غير مباشرة سبب تفوق المترجم(ة) الذي(التي) تكون لغة الترجمة لغته(ا) الأم في ترجمة الأدب. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 9 تحليل جمل اللغة الأصلية أو تركيب جمل لغة الترجمة (الشكل 2)؛ إذ تتم الترجمة استنادًا فقط إلى الاحتمالات المحددة أثناء تدريب النظام. ولم تكن النماذج الخمسة التي اقترحها Peter Brown وزملاؤه لترتيب الكلمات في الترجمات مرنة بما يكفي؛ فقد أتاحت ترجمة كلمة من اللغة الأصلية بكلمة واحدة أو عدة كلمات، أو عدم ترجمتها مطلقًا. وفي عام 2003، اقتُرح نموذج أكثر مرونة للترجمة الآلية (P. Koehn وآخرون 2003: 127–133)، قادر على ترجمة العبارات من اللغة الأصلية أيضًا. خلال هذه الفترة، تطورت أساليب التقييم الآلي لجودة الترجمة الآلية بسرعة، إذ كان من المهم جدًا معرفة أي إصدار من نظام الترجمة الآلية الجاري ضبطه يترجم على أفضل وجه، وبسرعة. وكان الهدف أيضًا أن يتيح هذا التقييم مقارنة موضوعية لجودة الترجمة في الأنظمة المختلفة. ومع مرور الوقت، أصبح مقياس BLEU أحد أكثر المقاييس شيوعًا (وهو اختصار bilingual evaluation understudy) (Papineni وآخرون 2002: 311–318)، إذ يقارن آليًا مدى ابتعاد نص الترجمة الآلية عن الترجمة البشرية. ولا يأخذ هذا المقياس في الحسبان مدى وضوح النص أو سلامته النحوية؛ بل يحصي الكلمات أو العبارات المتطابقة تمامًا فقط. وعند حساب المقياس، تُمنح العبارات المتطابقة وزنًا إحصائيًا أكبر نسبيًا من الكلمات المنفردة المتطابقة. وبحسب المهمة، تُستخدم أيضًا في كثير من الأحيان مقاييس أخرى لتقييم جودة الترجمة الآلية، لكل منها خاصية مفيدة أو أخرى: F-measure، وMETEOR (Banerjee, Lavie 2005: 62–72)، وNIST (Doddington 2002: 138–145)، وTER (Snover وآخرون 2006: 223–231)، وغيرها كثير. على الرغم من شيوع الترجمة الآلية الإحصائية، أخذت محدودية هذه الطريقة في الترجمة إلى اللغات الغنية صرفيًا (التصريفية) تتضح أكثر فأكثر. ففي الغالب، لا تتضمن المدونات المتوازية للغات التصريفية جميع الصيغ الممكنة للعبارات، بل ولا حتى جميع صيغ الكلمات النادرة المنفردة. وإذا لم تُدرج صيغة ممكنة ما في تدريب نظام الترجمة الآلية، فلن تُترجم تلك الصيغة. وينجم هذا القصور في الترجمة الآلية الكلاسيكية عن عدم كفاية البيانات، مما يؤدي إلى مصفوفة متناثرة لاحتمالات الترجمة بعد تدريب النظام. وسعيًا إلى التغلب على هذا القصور، اقترح Philip Koehn وHieu Hoang الترجمة الآلية الإحصائية المعامَلة (Koehn, Hoang 2007a: 868–876). واقتُرح إدماج معلومات لغوية إضافية في نظام الترجمة، وذلك من خلال وسم المدونات المتوازية بعلامات التحليل اللغوي، ثم استخدامها لاحقًا لتدريب النظام. وفي عام 2007، أتاح P. Koehn وزملاؤه للجمهور حزمة متكاملة للترجمة الآلية الإحصائية مفتوحة المصدر Moses (Koehn وآخرون 2007b: 177–180). وقد أدى تطبيق الترجمة الآلية الإحصائية المعامَلة إلى تحسين جودة الترجمة إلى اللغات التصريفية بدرجة طفيفة، عادةً بمقدار 1–2 نقطة مئوية على مقياس BLEU (Bojar 2007: 235–236; Skadinš وآخرون 2010: 128–129). ابتداءً من 25 سبتمبر 2008، بدأ نظام الترجمة الآلية الإحصائية Google Translate يترجم إلى الليتوانية أيضًا. وفي الفترة 2012–2014، نفذت جامعة فيلنيوس مشروع الصناديق الهيكلية للاتحاد الأوروبي BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 10 المشروع المموّل «إنشاء نظام للترجمة الآلية بين الإنجليزية والليتوانية والإنجليزية، وبين الفرنسية والليتوانية والفرنسية، بالاعتماد على الأساليب الإحصائية». وقد نفّذت شركة Tilde الجزء الأكبر من أعمال المشروع. وأُنشئ نظام الترجمة الآلية ALPMAVIS، وأصبحت خدمة عامة للترجمة الآلية الإحصائية متاحة للجمهور عبر الإنترنت (https://www.versti.eu/)14. ووفقًا لبيانات الاختبارات التي أُجريت عام 2014، تجاوزت تقديرات جودة ترجمة النصوص العامة (وفق مقياس BLEU) نتائج الترجمة الليتوانية القائمة على القواعد بأكثر من الضعف، وكانت مماثلة عمليًا لنتائج نظام الترجمة Google Translate. ويجيد ALPMAVIS ترجمة النصوص القانونية على وجه الخصوص. 3. جودة الترجمة الآلية إلى اللغة الليتوانية مع ظهور ظاهرة لغوية جديدة، هي النصوص الليتوانية التي تترجمها الآلات، أصبح من المهم تقييم جودة هذه الترجمة من منظور اللغة المعيارية. اختير نص عام للتقييم، لأنه يعكس اللغة المعيارية على نحو أفضل، واستُخدم مقياس BLEU لقياس جودة الترجمة. اختير نص عام منشور على الإنترنت لاختبار جودة الترجمة15. أُجريت حسابات BLEU على وثيقة أطول من المقتطفات المعروضة أدناه، لأن تقديرات BLEU على مستوى الجملة لا ترتبط جيدًا بالتقييم البشري للجودة (Kos, Bojar 2009: 140). وستساعد المعلومات المقدمة القارئ على فهم كيفية ارتباط التقديرات المئوية لمعامل BLEU CI (المحسوب من دون التمييز بين الأحرف الكبيرة والصغيرة) بجودة الترجمة الآلية. ومن ناحية أخرى، يستطيع القارئ، حتى من دون النظر إلى الأرقام، أن يكوّن رأيه بنفسه بشأن كيفية ترجمة أنظمة الترجمة الآلية العاملة وفق النماذج الموصوفة سابقًا. فيما يلي صيغ ترجمة النص الأصلي نفسه، الناتجة عن تطبيق أساليب ترجمة مختلفة. ويُذكر قبل النص المترجم أسلوب الترجمة، وتاريخ إجراء الترجمة عبر الإنترنت، والتقدير المئوي لمعامل BLEU CI. النص الأصلي باللغة الإنجليزية: يرغب الجميع في حياة طويلة وسعيدة وصحية، ويبذل العلماء قصارى جهدهم لتحقيق ذلك. وهم يتصدّون لبعض أبرز المشكلات الصحية الراهنة، فضلًا عن التهديدات الناشئة، مثل التأثير المتزايد لمرض ألزهايمر والسكري و«الجراثيم الخارقة» المقاومة للمضادات الحيوية. وستساعد الاستثمارات في البحوث والابتكار الصحيين على بقائنا نشيطين، وعلى تطوير علاجات جديدة وأكثر أمانًا وفعالية، وعلى الحفاظ على أنظمة الصحة والرعاية لدينا 14 يتاح ALPMAVIS أيضًا عبر نظام المعلومات المتكامل لموارد اللغة الليتوانية وموارد الكتابة Raštija.lt (www.raštija.lt). 15 Iš programos HORIZON 2020. Europos Komisijos Mokslinių tyrimų ir inovacijų generalinis direktoratas 2014. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 11 قابلًا للتطبيق. وسيمنح الأطباء الأدوات التي يحتاجون إليها لتقديم طب أكثر تخصيصًا، كما سيعزز الوقاية من الأمراض المزمنة والمعدية وعلاجها. الترجمة التي أنجزها مترجم: يرغب الجميع في العيش طويلًا وسعداء وبصحة جيدة، ويبذل العلماء قصارى جهدهم لجعل ذلك ممكنًا. ويحاولون حل بعض أهم المشكلات الصحية القائمة والتهديدات الصحية الناشئة، مثل المشكلات المتفاقمة الناجمة عن مرض Alzheimerio والسكري والكائنات الحية الدقيقة المقاومة للمضادات الحيوية. وستساعدنا الاستثمارات في البحوث والابتكارات في مجال الرعاية الصحية على البقاء نشطين، وعلى ابتكار علاجات جديدة وأكثر أمانًا وفعالية، وعلى الحفاظ على حيوية نظام الرعاية الصحية لدينا. وستوفر للأطباء الأدوات اللازمة لهم لاختيار الأدوية وفقًا للاحتياجات الفردية للمرضى؛ كما ستسهم في الوقاية من الأمراض المزمنة والمعدية وعلاجها. الترجمة الآلية القائمة على القواعد من VDU، 2014 09 19، BLEU – 8,54: يريد كل شخص حياة طويلة وسعيدة وصحية، ويسعى العلماء إلى جعل ذلك ممكنًا. وهم يعالجون بعضًا من أبرز المشكلات الصحية الراهنة، وكذلك التهديدات التي تظهر، مثل تزايد تأثير مرض Alzheimerio والسكري و«الآفات الخارقة» المقاومة للمضادات الحيوية. وستساعدنا الاستثمارات في البحوث الصحية والابتكار على البقاء نشطين، وتطوير علاجات جديدة وأكثر أمانًا وفعالية، كما ستساعد على إبقاء أنظمة الصحة والرعاية لدينا حيوية. وستمنح الأطباء الأدوات التي يحتاجون إليها لتقديم طب أكثر تخصيصًا، وستعزز الوقاية من الأمراض المزمنة والمعدية وعلاجها. الترجمة الآلية الإحصائية ALPMAVIS، 2014 09 19، BLEU – 17,59: يريد الجميع حياة طويلة وسعيدة وصحية، ويسعى العلماء إلى جعل ذلك ممكنًا. وهم يعالجون بعضًا من المشكلات الصحية الرئيسية والتهديدات الناشئة، مثل تزايد تأثير مرض Alzheimerio والسكري و«الآفات الخارقة» المقاومة للمضادات الحيوية. وستساعدنا الاستثمارات في البحوث الصحية والابتكار على البقاء نشطين، وابتكار علاجات جديدة وأكثر أمانًا وفعالية، والمساعدة في الحفاظ على حيوية أنظمة الصحة والرعاية. وستوفر للأطباء الأدوات التي يحتاجون إليها لممارسة طب أكثر تخصيصًا، كما ستعزز الوقاية من الأمراض المزمنة والمعدية وعلاجها. Google الترجمة الآلية الإحصائية، 2014 09 19، BLEU – 17,10: يسعى كل واحد منا إلى حياة طويلة وصحية وسعيدة، ويبذل العلماء قصارى جهدهم لتحقيق ذلك. وهم يتناولون بعضًا من المشكلات الصحية الرئيسية، وكذلك التهديدات الجديدة، مثل تزايد تأثير مرض Alzheimerio والسكري و«الآفات الخارقة» المقاومة للمضادات الحيوية. وستساعدنا الاستثمارات في البحوث والابتكارات الصحية على البقاء نشطين، وابتكار علاجات جديدة أكثر أمانًا وفعالية، والمساعدة في دعم استدامة أنظمة الرعاية الصحية لدينا. وستزود الأطباء بالأدوات اللازمة لهم لممارسة طب أكثر ملاءمة للاحتياجات الفردية، وبذل مزيد من الجهود للوقاية من الأمراض المعدية والمزمنة وعلاجها. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 12 Microsoft Translator (Bing) الترجمة الآلية الإحصائية، 2017 09 27، BLEU −16,68: يريد الجميع حياة طويلة وسعيدة وصحية، ويبذل العلماء كل ما في وسعهم لتحقيق ذلك. فهم يكافحون بعض المشكلات الصحية الرئيسية الراهنة، وكذلك التهديدات الجديدة، مثل مرض ألزهايمر والسكري والتأثير المتزايد للبكتيريا الخارقة المقاومة للمضادات الحيوية. وستساعدنا الاستثمارات في البحوث والابتكار الصحيين على البقاء نشيطين، وتطوير علاجات جديدة أكثر أمانًا وفعالية، والمساهمة في الحفاظ على حيوية صحتنا ونظم الرعاية الصحية. وهي توفر الأدوات اللازمة لمزيد من الطب الشخصي، كما ستعزز الوقاية والعلاج اللذين يقدمهما الأطباء للأمراض المزمنة والمعدية. تعكس مقتطفات الترجمة الآلية المعروضة جودة الترجمة الآلية المعتادة عند ترجمة النصوص العامة. ولا تتحقق ترجمات عامة أفضل بكثير إلا إذا كان النص المترجَم قد استُخدم من قبل لتدريب النظام. ولا يمكن إجراء تقييم موضوعي لجودة ترجمة نظام الترجمة الآلية إلا باستخدام نصوص لم تدخل قط في تدريب النظام. ولا بد من الإقرار بأن أنظمة الترجمة الآلية الإحصائية والقائمة على القواعد العاملة حاليًا لا تزال تترجم النصوص العامة إلى الليتوانية ترجمة رديئة. 4. الترجمة الآلية العصبية في عام 2013، اقترح نالس كالتشبرينر وفيل بلونسوم استخدام الشبكات العصبية في الترجمة الآلية (Kalchbrenner, Blunsom 2013: 1700–1709). وقد أتاح توظيف معالجات الرسوميات الحاسوبية لإجراء حسابات الشبكات العصبية إمكانية معالجة مسائل واقعية، من بينها الترجمة الآلية. وتُستخدم ملايين العصبونات الاصطناعية لتنفيذ الترجمة الآلية العصبية (NMV). ومفهوم الترجمة الآلية العصبية بسيط إلى حد ما؛ إذ يحوّل المرمِّز الجملة كاملةً من اللغة الأصلية إلى فضاء متجهي ذي بضع مئات من الأبعاد، منتجًا ما يُسمّى متجه الفكرة16، وهو سلسلة من الأعداد تمثّل معنى الجملة. وهذا المتجه في الواقع هو فكرة الجملة بعد تحويلها إلى متجه. ولا تختلف كثيرًا اتجاهات المتجهات التي تمثل أشياء وأفكارًا متقاربة17. وينشئ مفكّك الترميز الترجمة انطلاقًا من متجه الفكرة. ويُبنى كل من المرمِّز ومفكّك الترميز على أساس الشبكات العصبية المتكررة (Sutskever ir kt. 2014: 3104–3112; Cho ir kt. 2014: 1724–1734). 16 ذاع المصطلح على يد جيفري هينتون، أحد أبرز مطوري الذكاء الاصطناعي. 17 ويمكن التحقق من ذلك، مثلًا، بالتجريب باستخدام أداة تحويل الكلمات إلى متجهات word2vec (Mikolov ir kt. 2013: 3111–3119). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 13 الشكل 3. مثلث فوكوا للترجمة الآلية العصبية يوضح الشكل 3 مخطط الترجمة الآلية العصبية وفقًا لمثلث فوكوا18. وينبغي الانتباه إلى أن مستوى التحليل المرتفع يتحقق تلقائيًا، مقتربًا من مستوى اللغة الوسيطة. ويُدرَّب نظام الترجمة الآلية العصبية باستخدام مدونات متوازية. وأثناء التدريب، تبرمج الشبكات العصبية المتكررة تلقائيًا المعلومات الصرفية والنحوية والدلالية الموجودة في الجمل، إلى جانب انتظامات مكتشفة بدرجات متفاوتة. وأخيرًا، أصبحت الترجمة الآلية جزءًا لا يتجزأ من تطوير الذكاء الاصطناعي. وتشهد الترجمة الآلية العصبية تطورًا سريعًا وتحقق نتائج أفضل بكثير من الترجمة الآلية القائمة على القواعد أو الإحصائية. سرعان ما واجه الباحثون في إمكانات الترجمة الآلية العصبية ظاهرة جديدة: فقد استطاعت الشبكات العصبية الترجمة بين أزواج من اللغات لم تُدرَّب عليها تلك الشبكات مباشرةً. فإذا دُرّب نظام الترجمة الآلية العصبية على الترجمة من اللغة A إلى اللغة B، وكذلك من اللغة A إلى اللغة C، استطاع النظام أيضًا الترجمة من اللغة B إلى اللغة C (Johnson 2017: 339–351)، وإن كانت جودة الترجمة أقل قليلًا. ويمكن وصف هذه الظاهرة بأنها الترجمة دون تدريب مباشر (بالإنجليزية، zero-shot translation). وهذا يعني أن الشبكة العصبية لنظام الترجمة الآلية تنشئ أثناء التدريب لغةً وسيطة خاصة بها، لا يفهمها سواها. في أواخر عام 2016، بدأ استخدام الترجمة العصبية في Google Translate (GT). وإليك كيف تبدو الترجمة العصبية لمثالنا التوضيحي (Google الترجمة الآلية العصبية، 2017 09 14، BLEU CI – 25,94): 18 نُشر رسم توضيحي للترجمة الآلية العصبية وفقًا لمثلث فوكوا في منشور على الإنترنت لشركة SYSTRAN عام 2016 بعنوان «Pure Neural Machine Translation». متاح على الإنترنت: http://www.systransoft.com/download/white-papers/systran-white-paper-PNMT-12-2016_2.pdf، (تاريخ الاطلاع 2017 11 06). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 14 يريد الجميع حياة طويلة وسعيدة وصحية، ويبذل العلماء كل ما في وسعهم لجعل ذلك ممكنًا. وهم يعالجون بعضًا من أهم المشكلات الصحية الراهنة، وكذلك التهديدات الناشئة، مثل تزايد تأثير مرض ألزهايمر والسكري و«الجراثيم الخارقة» المقاومة للمضادات الحيوية. وستساعدنا الاستثمارات في البحوث الصحية والابتكار على الحفاظ على نشاطنا، وتطوير علاجات جديدة أكثر أمانًا وفعالية، وضمان استدامة أنظمة الصحة والرعاية لدينا. وسيمنح ذلك الأطباء الأدوات التي يحتاجون إليها لتوفير طب أكثر تخصيصًا، مما يعزز الوقاية من الأمراض المزمنة والمعدية وعلاجها. لا بد من الاعتراف بأن الشبكة العصبية ترجمت مثالنا بجودة أعلى بكثير من أنظمة الترجمة الآلية القائمة على القواعد أو الإحصاء. وحتى الآن، لا تترجم GT كل شيء بنجاح؛ فعلى سبيل المثال، عند محاولة ترجمة Beauty requires no ornaments، كانت النتيجة: Grožis nereikalingas papuošalams. ويمكن، على نحو مماثل، رصد حالات كثيرة من التجريب التي تكون فيها ترجمة GT رديئة للغاية، لذا لا يزال هناك ما ينبغي تحسينه. تستعد جامعة فيلنيوس في عام 2018 لبدء تطبيق الترجمة الآلية العصبية من الجيل الجديد للغات الإنجليزية والليتوانية والبولندية والفرنسية والروسية والألمانية. وستُدمج في نظام الترجمة خاصية التحويل الآلي للنص إلى كلام، وترجمة النص الذي يُملى باللغة الليتوانية. 5. ملاحظات ختامية أضحى التقدم في الترجمة الآلية اليوم مرتبطًا ارتباطًا وثيقًا بالإنجازات في مجال تطوير الذكاء الاصطناعي. ومن حيث جودة الترجمة، لا تزال جميع أساليب الترجمة الآلية الكلاسيكية بحاجة إلى التحسين؛ فالإمكانات لم تُستنفد، ولا يتضح أين تكمن حدودها. لقد انتهى عهد الإنجازات السهلة الرومانسي، ولم تعد الأساليب الرياضية أو الهندسية الاستدلالية مفيدة دائمًا. يتعلم الأطفال اللغة كما لو كان ذلك تلقائيًا، من دون جهد، لكنهم لا يتقنونها لاحقًا إلا بتعلم القواعد ودراسة الأدب. ويبدو أن مواصلة تطوير الترجمة الآلية على نحو ذي شأن أمر عسير من دون مشاركة أكبر من اللغويين. وتسهّل هذه المشاركة أدوات الترجمة الآلية المنفذة على منصات مفتوحة المصدر: مثل Apertium للترجمة القائمة على القواعد (Forcada ir kt. 2011: 127–144)؛ وMoses (Koehn ir kt. 2007b: 177–180)، وLetsMT! (Vasiljevs ir kt. 2012: 43–48) للترجمة الإحصائية؛ وTensorFlow وOpenNMT للترجمة العصبية. ويُرجى أن يوحّد اللغويون الليتوانيون جهودهم لمواجهة تحديات اللسانيات الحاسوبية الحديثة، إذ إن بعضها بالغ الأهمية لوجود لغتنا. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 15 LITERATŪRA Banerjee S., Lavie A. 2005: METEOR: An Automatic Metric for MT Evaluation with Improved Correlation with Human Judgments. – Proceedings of Workshop on Intrinsic and Extrinsic Evaluation Measures for MT and/or Summarization at the 43th Annual Meeting of the Association of Computational Linguistics (ACL-2005), Ann Arbor, Michigan, 62–72. Bar-Hillel Y. 1958: Some linguistic obstacles to machine translation. – Proceedings of the Second International Congress on Cybernetics, Namur, 197–207. Bojar O. 2007: English-to-Czech factored machine translation. – Proceedings of the Second Workshop on Statistical Machine Translation, Prague, Czech Republic, 232–239. Brown P. F., Cocke J., Della Pietra S. A., Della Pietra V. J., Jelinek F., Mercer R. L., Roossin P. S. 1988: A statistical approach to language translation. – Proceedings of COLING 1988: The 12th International Conference on Computational Linguistics, Budapest, 71–76. Brown P. F., Della Pietra S. A., Della Pietra V. J., Mercer R. L. 1993: Mathematics of statistical machine translation: Parameter estimation. – Computational Linguistics 19(2), 263–311. Cho K., Bart van Merrienboer, Gulcehre C., Bougares F., Schwenk H., Bengio Y. 2014: Learning phrase representations using RNN encoder-decoder for statistical machine translation. – Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), Association for Computational Linguistics, Doha, Qatar, 1724–1734. Commission of the European Communities 1994: Final Evaluation Of The Results Of Eurotra: A Specific Programme Concerning The Preparation Of The Development Of An Operational Eurotra System For Machine Translation. DIANE Publishing Company, 1995, 194. Daubarienė A., Ziezytė G. 2013: Machine translation: translated texts in terms of standards of textuality. – Kalbų studijos 22, 55–61. Daudaravičius V., 2006: Pradžia į begalybę. Mašininis vertimas ir lietuvių kalba. – Darbai ir dienos: Pažangos šuoliai 45, 7–18. Daumas M. 1965: Les machines à traduire de Georges Artsrouni. – Revue d'histoire des sciences et de leurs applications, tome 18, n°3, 283–302. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 16 De Beaugrande R. A., Dressler W. U. 1981: Introduction to Text Linguistics, London: Longman, 270. Doddington G. 2002: Automatic Evaluation of Machine Translation Quality Using Ngram Co-occurrence Statistics. – Proceedings of the Second International Conference on Human Language Technology Research, San Francisco, CA, USA., Morgan Kaufmann Publishers Inc., 138–145. Forcada M. L, Ginestí-Rosell M., Nordfalk J., O'Regan J., Ortiz-Rojas S., Pérez-Ortiz J. A., Sánchez-Martínez F., Ramírez-Sánchez G., Tyers F. M. 2011: Apertium: a free/open-source platform for rule-based machine translation. – Machine Translation 25 (2), Free/Open-Source Machine Translation (June 2011), 127–144. Hajič J., Hric J., Kuboň V. 2000: Machine Translation of Very Close Languages. – Proceedings of the 6th Applied Natural Language Processing Conference, Association for Computational Linguistics, 7–12. Homola P., Rimkutė E. 2004: Artimų kalbų mašininis vertimas. – Kalbų studijos 6, 77–81. Hutchins J. 2004a: Two precursors of machine translation: Artsrouni and Trojanskij. – International Journal of Translation 16(1), 11–31. Hutchins J. 2004b: The Georgetown-IBM experiment demonstrated in January 1954. – Proceedings of the 6th Conference of the Association for Machine Translation in the Americas, AMTA, Washington, DC, 102–114. Johnson M., Schuster M., Le V. Q., Krikun M., Wu Y., Chen Z., Thorat N., Viégas F. B., Wattenberg M., Corrado G., Hughes M., Dean J. 2017: Google's Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation. – Transactions of the Association of Computational Linguistics 5 (1), 339–351. Kalchbrenner N., Blunsom P. 2013: Recurrent Continuous Translation Models. – Proc. of EMNLP, October, Association for Computational Linguistics, Seattle, Washington, USA, 1700–1709. Koehn P., Hoang H. 2007a: Factored translation models. – Proceedings of the Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, ACL, 868–876. Koehn P., Hoang H., Birch A., Callison-Burch C., Federico M., Bertoldi N., Cowan B., Shen W., Moran C., Zens R., Dyer C., Bojar O., Constantin A., Herbst E. 2007b: Moses: Open source toolkit for statistical machine BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 17 translation. – 45th Annual Meeting of the Association for Computational Linguistics (ACL), Companion Volume, 177–180. Koehn P., Och F. J., Marcu D. 2003: Statistical phrase-based translation. – Proceedings of HLT-NAACL, 127–133. Kos K., Bojar O. 2009: Evaluation of Machine Translation Metrics for Czech as the Target Language. – Prague Bull. Math. Linguistics 92, 135–148. McCulloch W., Pitts W. 1943: A logical calculus of the ideas immanent in nervous activity. – Bulletin of Mathematical Biophysics 5, 115–133. Mikolov T., Sutskever I., Chen K., Corrado G. S., Dean J. 2013: Distributed Representations of Words and Phrases and their Compositionality – Proceedings of the 26th International Conference on Neural Information Processing Systems, Lake Tahoe, Nevada, Vol. 2, 3111–3119. Mitamura T., Nyberg E., Carbonell J. 1991: An efficient interlingua translation system for multi-lingual document production. – Proceedings of Machine Translation Summit III, Washington, DC. Perspausdinta: – Progress in Machine Translation, ed. S. Nirenburg, IOS Press, (1993), 105–118. Papineni K., Roukos S. Ward T., Zhu W. J. 2002: BLEU: a method for automatic evaluation of machine translation. – ACL-2002: 40th Annual meeting of the Association for Computational Linguistics, 311–318. Reifler E. 1960: The solution of MT linguistic problems through lexicography. – Proceedings of the National Symposium on Machine Translation, (February 2–5, 1960), ed. H.P. Edmunson, London: Prentice-Hall, (1961), 312–316. Rimkutė E., Kovalevskaitė J. 2008: Linguistic Evaluation of the First English-Lithuanian Machine Translation System. – Proceedings of the Third Baltic Conference on Human Language Technologies (2007), Kaunas, 257–264. Skadinš R., Goba K., Šics V. 2010: Improving SMT for Baltic Languages with Factored Models. – Proceedings of the Fourth International Conference Baltic HLT, Frontiers in Artificial Intelligence and Applications, Vol. 219, IOS Press, 125–132. Snover M., Dorr B., Schwartz R., Micciulla L., Makhoul J. 2006: A Study of Translation Edit Rate with Targeted Human Annotation. – Proceedings of the 7th Conference of the Association for Machine Translation in the Americas, Morristown, NJ, USA, 223–231. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 18 Sutskever I., Vinyals O., V. Le Q. V. 2014: Sequence to sequence learning with neural networks. – Proceedings of the 27th International Conference on Neural Information Processing Systems, Montreal, Canada, Vol. 2, MIT Press Cambridge, MA, USA, 3104–3112. Šveikauskienė D. 2005: Graph Representation of the Syntactic Structure of the Lithuanian Sentence. – Informatica 16 (3), 407–418. Toma P. 1977: Systran as a multilingual machine translation system. – Proceedings of the Third European Congress on Information Systems and Networks, Overcoming the language barrier, München, 569–581. Vasiljevs A., Skadiņš R., Tiedemann J. 2012: LetsMT!: a cloud-based platform for do-it-yourself machine translation – Proceedings of the ACL, System Demonstrations, Jeju Island, Korea, 43–48. Vauquois B. 1976: Automatic translation – A survey of different approaches. – COLING-76, Ottawa. Perspausdinta: – Readings in machine translation, eds. S. Nirenburg, H. L. Somers, Y. Wilks, MIT Press, (2003), 333–337. Weaver W. 1949: Translation. – Perspausdinta: – Machine Translation of Languages, MIT Press, Cambridge, MA. (1955), 15–23. Įteikta 2017 11 13 Priimta 2017 12 20 MACHINE TRANSLATION FOR LITHUANIAN LANGUAGE Summary The paper presents a historical overview as well as current state of the art of the machine translation. Translation from another language is always a certain intellectual challenge. In 1949 Warren Weaver suggested using computers to translate texts. The term "machine translation" (MT) appears. Machine translation has been rapidly developing during the first decades in order to gain a strategic advantage in the Cold War. Most popular translated languages were Russian and English. Word-to-word translation and large bilingual dictionaries covering more than 170,000 words prevailed. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Masininis vertimas lietuvių kalbai | 19 In the 1950s and 1960s, machine translation systems appeared which could be called rule-based. They are based on the assumption that a language can be described using a set of rules (including grammatical). It was a rather optimistic period – it was expected to create a perfect machine translation in a few years. But a computer hardly "understands" grammar. Highly inflected languages require tens of thousands thoroughly hand-tuned and mutually consistent rules. Nobody has done this properly yet. The most advanced systems were the SYSTRAN MT system, launched in the European Commission and the Russian PROMT translation system. Subsequently, the rule-based MT progress slowed down. The EUROTRA project (1982–1992), by some estimates costing more than 50,000,000 ECU, fails – even hundreds of recruited specialists failed to create a functioning MT system. This marked a serious rule-based MT crisis. Development simply stalled for many forthcoming years. The question was raised: if we cannot write so many rules, can it be translated without grammar at all? In 1990 a new breakthrough emerges – the research team at the IBM Thomas J. Watson Research Center formulates the basics of statistical machine translation. The translation process has been considered as a transmission of a certain message over a noisy channel. Decoding then has been performed on the basis of the Bayesian theorem. Translation is based on text corpora, especially on large parallel bilingual text corpora. There was a rapid improvement of statistical MT. The EuroMatrix project, supported by the European Commission, has created a universal open source machine translation software package MOSES, based on industry-level MT systems. Good results have been obtained – it turns out that you can translate without any dictionary or grammar! This method has greatly facilitated the translation of highly inflected languages too. The achievements of machine translation today are effectively applied to the Lithuanian language as well. During 2005–2007 Vytautas Magnus University has carried out an EU-funded project "Internet Information Translator". The result was a public online translation service from English to Lithuanian. (http://vertimas.vdu.lt/twsas/). The rule-based translation engine was provided by the Russian company PROMT, while other linguistic resources were prepared in Lithuania. The overall quality of text translation in BLEU metrics (in percent) is about 10. In practice, this means that only every third sentence can be adequately understood. This translation tool still has considerable potential for improving, for example by expanding phrase dictionary. Since September 25, 2008 Google Translate also supports Lithuanian. According to the results of the tests (2014), the BLEU translation quality was estimated to be around 17. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 20 2012–2014 Vilnius University implemented the EU-funded project "Creation of English-Lithuanian-English and French-Lithuanian-French machine translation system based on statistical methods". The result was a public online translation service (https://www.versti.eu/). According to the tests carried out in 2014, the BLEU estimates of the translation quality exceeded more than twice the rule-based translation results and were practically equivalent to the Google translation system. When translating the documents of certain domain (such as law) the achieved BLEU score is roughly twice as high as translating general texts and far exceeds Google's results (19-09-2014). However, even the best machine translations often require human intervention and final editing in order to get the perfect translation. So, can machines ultimately translate fine? The last few years promise new breakthroughs using a neural machine translation. Neural networks themselves construct transformation rules. It is likely that in the near future the neural MT systems will translate better than an average translator. In 2018 Vilnius University is preparing to launch the EU-funded project of a new generation neural machine translation of English, Lithuanian, Polish, French, Russian and German. Thus, the latest achievements in machine translation apply to the Lithuanian language as well. KEYWORDS: Lithuanian, machine translation, computational linguistics, history, neural networks, artificial intelligence. DANIELIUS ALGIRDAS RALYS Vilniaus universiteto Taikomųjų mokslų institutas M. K. Čiurlionio g. 29, 03100 Vilnius [email protected] BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204